数据分析日常思考

最近开始看越来越多和数据分析相关的文章、知识点、书籍，下面是记录的和数据分析相关的一些笔记，包括应该怎样数据分析、虚荣指标、应该关注哪些指标、常用分析方法、常见模型、数据分析书单等。

记录的有些点不一定对，可参考，毕竟我也不是专业的数据分析。

数据分析（做数据分析前需要思考的四点）

为什么要做数据分析

什么是数据分析

怎么进行数据分析

数据分析怎么落地

PV（浏览次数）：

在关注这个指标时，我们首先需要明确为什么关注它。如果我们做的是媒体类产品或和商业模式直接挂钩的（商业广告），那关注PV会显得尤为重要。

一个用户访问页面多次，会记多个访问量，这个数据最容易膨胀，也许1万的访问量只有100个独立访客，所以访问量不能说明什么实际问题。比如，对于互金产品而言，总在标榜自己的PV有多高，也没什么实际意义。

UV（独立访客）：

和PV相比，UV会相对好一些。10万的PV，可能是有1万的UV，又或许是1000的UV。相比而言，UV可以更直观的反映用户参与量，比PV来的更有意义些。

但是，独立访客数，只能说明有多少用户访问了这个页面，但并不知道这些用户在上面做了什么，是否已经离开。

点击量：

这是现在的互联网洪荒时代所使用的常见数据指标。只要页面上有可以点击的东西，就可以进行统计。

比如一个简单的领红包活动，领取按钮的点击量，可能每天有几十万次，这其中，可能每个用户点击了几十上百次，相比之下，想要分析实际的红包发放和使用情况，可能更应该去统计活动的领取人数和使用比例等，并和之前的数据做好对比，分析效果。

网站停留时间：

用这个指标来衡量用户参与度并非明智之举，用户在页面停留了很长时间，也许，最近用户参与度提高，是因为产品的某次迭代导致有些地方用户看不懂，在跟客服沟通或投诉，这时，不一定停留时间长就是好事，而应该针对具体情况进行分析。

APP下载量：

开拓了几个新渠道，APP的下载量突然飙升，或许你会欣喜若狂，但这时候，需要冷静，我们更应关注的是激活量、注册量等，了解我们真正转化了多少用户，下载量本身不能带来什么实际的价值。

注册用户数：

可能最近，公司合作了几个新的推广渠道，注册量激增，这个数据的背后，是否真的反映了最近拉新的效果很好呢？

其实，不一定。注册用户数的增长，我们还需要关注这些渠道的推广费用花费了多少，实际的转化率有多少，和其他渠道的转化比例和成本支出进行对比等，才能知道实际的投资回报率。

活跃用户数：

活跃用户数本身不能说明什么问题。两个同样有5万活跃用户数的产品，一个有100万的注册用户，一个是50万的注册用户，那么哪个产品做得更好呢？

其实，更具参考价值的是活跃用户数占总用户数的比例。

累计投资额：

互金平台，几乎每个产品首页都赫然印着累计投资额多少亿，看似是个很漂亮的数字，实际只是个单调递增数据，只要有人在投资，这个数据就会持续上升，本身没有实际的参考价值，更需要衡量的是每日的投资量，最近的上升比例等。

关注数据方面除了关注量级上的指标，还应该关注质量上的指标

量级指标

web：访问量、pv、uv

APP：启动次数、DAU、NDAU等

质量指标

web：平均访问时长、平均一次会话浏览页数、跳出率

APP：平均使用时长、人均启动次数

来访用户类型占比

web：新访问用户/老访问用户

APP：DAU/NDAU

数据分析具体方法

链接标记

渠道归因（用户来源管理）

漏斗分析（AARRR模型）

拉新：曝光数、点击数、打开率、下载量、安装量、用户获取成本（应该关注的主表）

促活：设备激活量、新注册用户量、订阅数量、事件达成数、浏览数、日活率

留存：次日留存率、7日留存率、距离上次使用时长、DAU/MAU、7日回访率

收入：付费率、付费频次、客单价、用户价值

传播：转发数、邀请数、评论数、K因子

分群分析（用户画像）

留存分析

同期群分析

用户细查（行为轨迹）

热图分析

A/B测试

趋势分析

维度拆解（拆分成多个不同的维度来分析）

魔法数字（Facebook的7个好友）

DOSS分析法（具体问题→整体方案→单一回答→规模化方案）

内外因素分解发：把问题拆成四部分，内部因素、外部因素、可控和不可控，在是个象限中，

内部可控因素：立即执行

内部不可控因素：协调沟通

外部可控因素：相关渠道

外部不可控因素：确定假设

对比分析

横向对比——跟自己对比

纵向对比——跟其他对比

交叉分析：从多个维度细分数据，从中发现最为相关的维度来探索数据变化的原因

逻辑拆解与漏斗分析，例如：销售额=UV*转化率*客单价

逻辑拆解（寻找和核心指标相关的指标，一定要强相关，并且会影响核心指标的变动）

核心指标

核心指标一

核心指标二

核心指标三

。。。

分层拆解（MECE法则）

相关指标一

细分相关指标

细分相关指标

。。。

相关指标二

细分相关指标

细分相关指标

。。。

相关指标

细分相关指标

细分相关指标

。。。

提升流量转化率

什么是转化

转化的概念：完成期望目标的用户比例

大转化和小转化

大转化：核心指标（北极星指标）

小转化：完成核心指标需要的步骤，每一步的转化

转化分析方法

优先级排序

LIFT框架

ICE框架：impact（影响力）、confidence（自信心）、ease（难易度）

PIE框架：popential（潜力）、importance（重要性）、easiness（容易程度）

产品经理 | 数据分析学习推荐书单

基础理论

深入浅出数据分析

深入浅出统计学

精通业务

大数据时代

增长黑客（范冰）

熟悉方法

精益数据分析

精通web analytics 2.0

数据之美，一本书学会可视化设计

商务智能

运用工具

SQL必知必会

利用Python进行数据分析

R语言实战